基于边缘计算的配电网数字化转型关键问题分析与展望

李 鹏，习 伟，，李 鹏，于 浩，王成山

（1.南方电网新型电力系统（北京）研究院有限公司，北京市 102209；2.智能电网教育部重点实验室（天津大学），天津市 300072）

0 引言

推动可再生能源的开发利用，建立安全、可靠、清洁、高效的新型电力能源生产消费体系，已成为中国电力系统发展面临的重点任务［1-2］。其中，配电网是分布式可再生能源消纳的核心平台，同时也是满足电动汽车等新型负荷接入服务、用户定制化与互动化用电用能等新需求的关键环节。目前，中国分布式光伏装机容量已突破100 GW［3］，电能替代水平快速提升，源、荷形态正发生剧变，波动性、峰谷差将不断增大，给新型配电网的建设与运行带来巨大挑战。因此，亟须突破传统配电网技术架构，建立从元件、装备到系统的全链条创新解决方案，为中国新型电力供应与消费体系的构建提供支撑。

针对配电网的发展路径问题，国内外都开展了广泛的研究探索，长期以来形成了众多发展理念与技术模式。例如，以信息和通信技术（information and communication technology，ICT）、高级量测体系（advanced metering infrastructure，AMI）等先进信息技术为基础的智能配电网［4］，强调通过配电网的信息化支撑其智能化；有源配电网、主动配电网等技术理念强调综合利用配电侧可控装备和手段，实现对高渗透率分布式能源的有效管理和消纳利用［5］；微电网等技术强调局部源、荷、储资源的有效组织，可实现分布式能源的就地消纳［6］；虚拟电厂、虚拟储能等技术强调大量分散资源的聚合响应［7-8］，丰富了配电网的调度资源，增强了系统运行控制能力。这些发展理念在整体上相互关联，在应用场景和实施路径上各有侧重，共同推动了新型配电技术的发展。

随着配电网中灵活可控资源的日趋丰富，柔性化成为新型配电网典型特征之一［9］。在电源侧，高比例分布式能源通过电力电子装置并网，在完成电能形式转换的同时，还可以提供功率控制、无功补偿、电压调节、构网支撑等功能；在用户侧，电动汽车、数据中心等新型负荷聚集形成柔性需求响应能力，将成为配电网运行的重要灵活性资源；在电网侧，电力电子变压器、智能软开关（soft open point，SOP）等新型装备开始取代传统技术，能够实现实时、精细、连续的功率和电压调节，促进配电网从开环放射网络向柔性多环网络的演化［10］。这些新要素虽增强了配电系统在物理层面的灵活性，但可控资源数量庞大、空间分散、特性差异显著、利益主体归属多样，系统层面多时间尺度、强不确定性、强时变性要素混杂，形成了传统技术难以解决的复杂大规模协调运行调控问题。

针对以上问题，运用先进数字化技术准确、精细地感知电网状态，快速生成有效的运行控制方案，成为支撑大量柔性资源协调运行的重要手段。同时，也为电网整体的数字化转型提供了契机［11］。近年来，小微传感、移动通信、大数据、人工智能、高性能计算等数字化技术在各自领域不断取得突破，在配电网数字化中的应用也越发广泛。以数字化技术为支撑将逐渐成为新型数字化电力系统的关键特征之一［12］。例如，海量数据的采集和处理是配电网数字化转型的基础环节，有助于解决“可观性”这一配电网长期面临的难点和痛点问题。在数字配电网中，小微传感装置和先进量测技术体系的广泛部署将使配电网数据资源在时间、空间、数据类型等多维度上显著扩展。例如，微型同步相量测量装置（μPMU）可提供每秒30 至60 个采样点的高频次电气量测数据；用户侧AMI 智能计量装备覆盖率已接近100%；微气象等环境信息采集能力正逐步增强；无人巡检设备收集的视频、图像数据愈发丰富。在大规模分布式能源接入背景下，数据作为传统机理模型的重要补充，能够在配电系统的状态感知、特性认知和运行控制中发挥更关键的作用。但与此同时，海量数据的采集、传输、处理和利用也将给配电网带来巨大压力。

边缘计算作为解决大量终端接入、海量数据处理的一种有效解决方案，在提升响应速度和时效性、优化业务服务效率等方面具有优势，已经逐步成为复杂系统数字化转型中的共性支撑技术，在物联网、移动通信、智能家居、智能交通、智慧城市等领域得到广泛关注。在配电网中，边缘计算装置贴近数据源部署，提供配电网多类型传感量测接入、就地数据处理和控制决策等关键功能［13］；同时，边缘计算将具备软件定义实现功能变换的能力［14］，可为区块链、人工智能等新技术提供分布式部署平台，构成智能终端与云计算设施之间的连接纽带。依托边缘计算技术，能够使配电网业务功能从主站侧向边缘侧转移，从中高压侧向中低压侧延伸，从而形成上下游一体化的业务体系，给传统配电网的集中式运行架构带来颠覆性变化。当前，一些传统装备已经开始结合数字化新技术，初步具备了就地分析计算功能，带有了边缘计算特征，但其主要面向电网特定业务类型，各业务之间缺乏协调，难以从整体上支撑数字配电网的形态构建。针对更加集成化、通用化和智能化的配电网边缘计算技术的研究正广泛开展，在装置研发、软件部署、资源调度、运行应用等方面取得了进展；在国家重点研发计划“数字电网关键技术”中，也围绕多业务协同的边缘计算控制技术与装置进行了专门布局。

边缘计算将成为配电网新型运行控制体系的重要基础。本文围绕基于边缘计算的配电网数字化转型关键问题，从电力边缘计算装置需求分析出发，梳理了边缘计算支撑下的数字配电网基本架构和特征，针对新架构下的就地自治、边-边协调、云-边协同等关键技术发展进行了分析与探讨。希望能够厘清边缘计算在数字配电网中的系统性应用模式，为相关技术的创新发展提供参考，为中国数字配电网的科学发展与建设推进提供思路借鉴。

1 配电网边缘计算装置技术

从部署成本、空间占用、应用便捷性和运维工作量等角度考虑，配电网边缘计算装置将是小型化、集成化、模块化、智能化的综合性装置。单一装置将能够取代现有独立功能性装置，实现边缘侧监测、保护、控制、计量等多业务的灵活部署和协同运行。此时，由于各类业务的算力需求存在差异，需要依赖于边缘侧高精度计算、实时控制响应、高速率数据接入、人工智能推理等多样化计算能力，要求边缘计算装置在有限资源下兼顾实时/非实时、多时间尺度、不同数值精度的各类计算任务协调。同时，电网业务应用安全性需求突出，而边缘计算装置难以为多业务提供有效的物理隔离环境，必须为各类电网业务提供可靠的逻辑隔离与分区管控能力。这些电网边缘计算的特殊需求无法通过常规通用化装置来满足，必须研究专用化、定制化装置技术。

1.1 研究基础

目前，在配电网边缘计算装置方面，相关研究主要集中在高性能、高集成、高可靠、智能化的边缘计算软硬件系统研发与应用。在操作系统方面，国内外普遍采用基于开源Linux 的非实时操作系统或μCOS、Vxworks 等国外实时操作系统［15］，国产操作系统相对匮乏，难以满足电网业务应用环境的自主可控需求。在硬件系统方面，通用电气、西门子、伊顿电气等国外企业研发了面向变电站的智能网关设备，集成了边缘侧监测、量测、数据汇集、人机交互等功能，但在配电网的实时控制类业务方面尚不完备；国内企业在智能融合终端和配电智能网关等设备领域也取得了显著进展，实现了电网边缘侧信息采集、环境监测、通信组网等功能，但在边缘侧高性能人工智能应用、保护控制等实时类业务部署、复杂场景适用性和可靠性以及多业务协同运行潜力挖掘等方面还有进一步提升空间。

1.2 配电网边缘计算装置关键技术

发展电力专用边缘计算装置技术是构建数字配电网的基础性环节之一，需要突破边缘计算装置架构设计、系统研发、资源调度、可靠运行、安全防护等核心技术难题，如图1 所示。

图1 配电网边缘计算装置关键技术需求Fig.1 Key technical requirements for edge computing devices of distribution network

1）硬件架构设计。硬件架构是实现单一装置下多业务集成、融合和协同运行的物理基础。对此，需要研究基于电力专用芯片的边缘计算硬件架构设计方法，构建支撑电网多业务融合应用的边缘计算控制装置基础硬件平台；设计开发灵活可扩展的物理外设接口，支撑单装置下多类型业务终端的灵活接入；设计模块化的边缘计算控制装置硬件架构方案，实现功能配置灵活、易于规模化部署、多业务功能一体化协同的边缘计算控制装置。

2）操作系统技术。安全高效的操作系统是边缘侧业务可靠运行的环境保障。针对电力业务特征，开发适配多核CPU 架构的内嵌式多操作系统［16］以满足电网实时/非实时业务的计算需求；基于电网边缘业务典型逻辑特征，构建硬件架构与嵌入式操作系统相协调的实时中断管理与优化机制，实现高实时中断响应；突破面向电网边缘计算的高可靠文件系统技术，降低边缘环境不确定性带来的数据损失与应用崩溃风险。

3）资源调度技术。边缘计算装置资源约束强，业务计算需求特征复杂，需要通过有效的资源调度技术来实现计算、存储资源的最有效利用［17］。对此，需要研究实时/非实时计算任务映射、线程协调管理与计算资源调度方法，满足电网边缘高精度数值计算、高实时控制响应、高速率数据流处理等业务应用需求；研究面向电网多业务类型的标准化数据接口与数据共享方法，支撑单一装置上多源业务数据的多速率灵活交互与跨业务融合共享。

4）可靠容器技术。容器技术将为边缘装置上不同类型业务提供部署灵活、运行安全的定制化运行环境［18］。对此，需要重点突破面向电力业务的轻量级容器技术，实现多类型业务应用差异化运行环境的灵活配置与边缘承载；研究面向电网业务的容器级快速管理与服务方法，实现云-边协同架构下边缘业务应用的高效部署、快速配置与灵活迁移；研究容器级高可靠运行技术，实现配电网边缘侧复杂环境下的多业务可靠协同运行。

5）安全防护技术。边缘计算装置必须满足电网的安全性要求，特别是考虑到多种业务功能的集成问题，必须建立有效的安全防护机制和方法，确保多业务在运行和交互中的安全性［19］。对此，需要研究面向电网边缘计算的资源虚拟与分区隔离技术，构建硬件层、系统层、应用层多级多任务安全隔离策略，满足电网业务分区防护要求，实现边缘计算环境下的多业务安全协同；研究基于行为策略及算法加密的边缘计算安全架构与数据交互方法，构建边缘计算控制装置与终端及主站的安全交互方案，兼顾电网边缘计算性能和业务执行安全性的需求。

2 基于边缘计算的数字配电网架构

边缘计算装置的应用将给配电网运行控制架构带来颠覆性变化，是配电网数字化转型的核心驱动力之一。依托遍布全网的边缘计算资源，数字配电网的整体运行特征也将发生巨大变化，本章将重点围绕相关问题进行分析。

2.1 边缘计算的技术定位

边缘计算装置将有效连接配电网主站与中低压侧分散资源，在数字配电网中发挥承上启下的关键作用。从配电网运行角度出发，边缘计算的功能定位和技术优势如图2 所示。

图2 配电网边缘计算的功能定位与技术优势Fig.2 Functional localization and technical advantages for edge computing of distribution network

1）控制资源拓展。受技术性能制约，传统配电网中大量中低压网络资源存在不可观、不可控问题。而通过在配电房、配电台区等中低压层面广泛部署边缘计算装置，能够使配电网的感知控制能力进一步延伸到传统配电网主站难以触及的低压侧。供给侧与电网侧对分布式资源的建设与利用给予了高度关注，将分布式能源、以电动汽车为主体的新型负荷等都纳入配电网运行控制，实现灵活性资源的有效拓展和低成本拓展，提升电力系统的灵活性［20］。

2）响应速度提升。边缘计算装置在空间上与终端资源更加贴近，信息量测更精细，受通信环节制约更小，能够更加快速、准确地感知源荷波动并就地完成控制决策；在故障等场景下，能够通过边-边协同的方式快速完成分布式故障恢复。整体运行控制时效性显著提升，有助于实现对源荷波动、突发故障等扰动因素的快速响应。

3）数据与信息集散。边缘计算装置可用于收集本地小微传感量测装置获取到的数据，并就地服务于装置上各类业务应用。借助边缘计算装置的数据分析能力，还能够从本地数据中发掘出最有价值的关键特征信息或重要事件信息，主动或被动地将信息上送。例如，利用台区计量数据发掘用户窃电信息，将检测结果与云端共享［21］，从而在通信资源约束下尽可能帮助提升主站侧业务的精细化水平。

4）多元业务协同。边缘计算装置将统筹局部配电网的运行功能，具有监测、保护、控制等多种业务高度集成的特征，这为各类业务之间的协同工作提供了可能。例如，在监测发现异常状况时，能够前瞻性地完成控制策略调整；在不断感知系统安全运行态势时，能够协同系统内部与外部多种业务，对各类故障事件或扰动做出自适应响应，尽快生成并实施紧急控制策略恢复供电［22］。这种协同式的边缘侧业务执行模式将显著提升配电网的运行控制水平。

5）服务模式创新。边缘计算装置贴近用户侧，能够更加具体地掌握用户用电行为特征。同时，有助于拓展电网与个体用户的交互途径，为用电行为优化、电动汽车有序充电等一些面向用户的潜在服务应用提供了可能，也为用户点对点能量交易、虚拟电厂辅助服务、负荷需求响应等未来服务场景提供了灵活的按需部署平台。

2.2 数字配电网的技术架构

以边缘计算为核心，“云-管-边-端”的分层技术架构已成为目前数字配电网发展中广受认可的技术模式［11］。其中，端侧重点解决万物感知的问题，将利用较大规模部署的传感器件和装置，广泛采集配电系统相关的电气和非电气信息，解决电力系统的实时准确感知问题；边侧面向低延迟业务场景，重点解决信息汇集、就地功能集成和轻量级决策等问题，将逐步采用高性能、高可靠性、低成本和低维护要求的边缘计算装置替代传统的配电终端单元（distribution terminal unit，DTU）、集中器等功能型装置，使配电网边缘侧的就地分析决策能力大大增强；在管侧，5G 等各种新型通信技术为电力数据传输搭建起安全高效的数据管道；在云侧，强大的处理能力、存储空间、应用程序将支撑云计算、大数据、人工智能等数字化基础技术在配电网主站层面的运用，衍生出智能分析和决策支持等数字配电网的关键技术内涵，如图3 所示。

图3 数字配电网的技术架构Fig.3 Technical structure of digital distribution network

借助数字技术的全面应用，能够帮助配电网运行人员突破长期以来面临的模型和参数不完备、运行调控依赖经验的困境，能够不完全依靠电网模型，在海量数据基础上，通过大数据和先进计算技术，透过数据关系发现电网运行规律，推动配电网的智能运行。同时，配用电各环节传统的电能交互界面将被拓展为能源、信息与数据的全方位交互界面，利用数字空间中的算力、算法和数据资源，解决物理电网复杂的大规模协调控制问题，引导物理电网中能量、数据、服务的有序流动，实现从物理世界到数字空间，最终再回馈到物理世界的闭环，形成配用电层面的“软件定义能源”。

2.3 边缘计算赋能的运行新特征

以广泛部署的边缘计算装置为基础，配电网将从传统的集中式运行模式向分布式转型，为应对高比例分布式能源接入、多元化分散灵活性资源利用等问题提供了有效手段。具体来说，数字配电网将呈现出几个典型的新特征:

1）集群化［23］。集群化是指将配电网中大量分散的分布式能源和可控资源进行分区聚合，由边缘计算装置完成对本集群的统筹控制，主站则侧重于对多集群的全局管理和协调调控。从整体配电系统来看，集群化运行是“分层+分区”运行思想的延续，避免了海量信息向配电网主站汇集带来的信息传输压力，集中求解全局优化问题面临的计算压力，以及大规模混杂调控问题的求解难度高和效率低下等问题。在集群内部，风机、光伏、储能等差异化的分布式能源可以被就地统筹聚合，形成集群整体的灵活调控能力，可由等值模型来量化刻画，以满足多集群在系统层面更加精准的协同调控需求。

2）分布式［24］。边缘计算装置将形成遍布全网的分散算力，并具备边-边之间的通信能力，这意味着不同边缘计算装置之间能够构成分布式计算架构，这样求解源荷快速波动性下的大规模系统控制问题往往更为高效。在基于边缘计算的分布式架构下，相邻区域间既可以通过边界信息交互完成分布式优化决策，又可以通过区域边界的协商调整实现灵活性资源的集群化自组织，从而使各区域具备主动协同并支撑配电网全局运行优化的能力。

3）灵活定义。依托边缘计算平台，各种运行控制策略可以通过APP 化业务应用的形式进行快速远程部署，各区域运行功能、控制参数等可由云端灵活调整，从而实现“软件定义”的配电系统形态。一方面，这种软件定义能力可以使配电网具备更强的可控能力，更有效地适应源荷波动和场景变化，更好地满足分布式能源的即插即用要求；另一方面，在完成基本控制功能的同时，还能够更容易地对运行策略进行拓展，完成边缘侧虚拟电厂、点对点市场交易等更加复杂的功能定义和应用。

在以上特征基础上，数字配电网能够形成如图4 所示的集群化运行控制架构，并演化出就地自治、边-边协调、云-边协同等新的运行模式，资源组织和场景适用能力大大增强。同时，架构也对配电网运行控制技术的创新提出了迫切需求。

图4 数字配电网的集群化运行架构Fig.4 Cluster operation architecture of digital distribution network

3 边缘侧集群自治运行技术

配电网边缘计算的首要功能是统筹本地灵活性资源，完成集群内的自治运行控制，实现源荷就地协调、分布式能源就地消纳等运行目标。当配电网主站具有对边缘侧集群的调控需求时，其所下发的调控指令需要由边缘计算装置分解下发到集群中各种可控资源，支撑整体系统优化运行。本章将重点围绕边缘侧集群就地自治运行的关键技术问题和未来研究方向进行分析。

3.1 边缘侧自治技术研究进展

目前，配电网的区域或集群自治控制方法主要可分为机理模型驱动和数据模型驱动两种方式。

基于机理模型优化的自治控制依赖于对配电网及相关设备的精确或等值建模，在此基础上结合就地量测等信息制定优化策略。例如，文献［25］基于电压-功率灵敏度刻画节点电压与注入功率的关系，据此制定群内可调节资源出力策略；文献［26］在系统不完全量测下，根据实时电压灵敏度估计选择无功补偿节点，实现电压控制。此外，还可以在日前阶段采用机理模型整定集群内可调设备的控制曲线参数并下发，日内仅根据并网点量测信息，基于控制曲线动态调整设备出力，从而实现就地化快速调控。例如:文献［27］提出分布式能源无功功率-电压（QV）与有功削减-电压（Pcurt-V）典型就地控制曲线参数优化整定方法，日内根据整定曲线实时响应并网点电压波动，达到了近似全局最优的控制效果；文献［28］进一步采用模型预测控制滚动优化分布式能源集群就地控制曲线，提高对分布式能源强不确定性的适应性。

数据驱动方法不依赖被控系统的详细机理参数，可以作为机理模型的重要补充，以增强对复杂多变系统和运行场景的适应性。其中，一方面强调对历史数据的挖掘利用，以掌握系统运行机理。例如，文献［29］对历史数据进行大量重复训练，获得了光伏逆变器的就地电压控制策略，提升了配电系统优化运行水平；文献［30］基于深度学习理论提出了数据驱动的多级自适应鲁棒优化框架，以解决分布式能源高渗透率接入配电网带来的不确定性问题；文献［31］基于对抗生成网络，对部分节点量测数据进行补全，从而得到完整量测数据，实现了非实时观测下的电压优化策略。另一方面，强调对实时量测数据的利用，以快速响应系统状态变化。例如，文献［32］提出一种基于多智能体深度强化学习的分布式能源就地控制方法，通过将多智能体与边缘计算分布式架构耦合以及训练过程转移，实现边缘侧快速自适应控制；文献［33］基于量测数据的实时交互，实现了智能软开关自适应优化控制；文献［34］考虑量测数据质量，采用坏数据辨识和量测扰动抑制方法对量测数据进行处理，实现了智能储能软开关自适应优化控制。

3.2 边缘侧自治关键问题和挑战

首先，配电网边缘侧的构成要素多样、模型参数复杂、完全量测获取困难，实时协调控制与集群管理面临挑战［35］。各种分布式能源、新型用户可控负荷等带来连续/离散、确定性/不确定性、线性/非线性混杂特征，导致控制问题的准确模型数学本质复杂，集群内分散异质资源的协调控制策略求解难度大。同时，边缘侧源荷要素与外部环境的耦合关联紧密，受气象、社会、用户行为等多方面因素影响［36］，准确的机理模型难以获取；大量可控资源从配电网低压侧接入，面临量测不足、接入随机、参数不准确、拓扑不明确等问题，进一步增加了协调控制的难度。这些问题要求边缘侧控制方法能够尽可能摆脱对精确参数和完全量测等条件的依赖，解决区域内控制任务分解和多类型可控资源互补利用等问题。同时，对不同类型的柔性要素进行聚合后［36］，如何有效降低边缘侧模型维度、准确描述聚合特征，也是亟待解决的关键问题之一。

其次，在边缘侧通信与算力资源约束下［37］，完成集群内就地化的高水平智能控制面临挑战。集群内优化控制需全部依赖边缘算力完成。但边缘侧灵活性资源接入量大、空间分散、不确定性强，而边缘侧可用计算资源相对有限。一些大规模优化问题求解和人工智能控制决策方法由于计算量较大而无法实施，必须通过轻量级的控制策略设计和计算资源配置方法来满足边缘侧算力约束［38］。在与主站的交互过程中，边缘侧往往面临弱通信条件，即存在配电系统调控指令下发延迟/失效、通信中断等问题。此时，边缘侧无法获知整体系统的运行需求，必须充分利用就地历史运行数据和规律完成智能化的就地控制，这又使控制策略的复杂性提升。如何解决算力资源有限性与控制策略复杂性之间的矛盾，成为边缘集群自治中迫切需要解决的问题。

3.3 边缘自治技术研究展望

针对集群就地自治运行面临的上述挑战性问题，需要重点在如图5 所示的技术方向上取得突破。

图5 集群就地自治运行关键技术问题Fig.5 Key technical issues of local autonomous operation for cluster

1）基于软件定义的边缘侧集群管理技术［39］。研究边缘侧设备自组网技术［40］，建立边缘侧弹性集群网络，通过组网协议赋予设备自动发现、自动连接、自主协调的能力；研究软件定义的边缘侧集群管理模型，突破传统物理约束限制，基于通用高级应用接口从顶层实现对集群的有效管理；研究边缘侧集群通用软件部署技术，基于高级应用接口，开放集群属性与控制能力，通过通用软件实现多场景、多类型灵活控制。

2）弱通信条件下基于轻量级边缘智能的集群就地控制技术。研究弱通信条件下集群边缘智能控制框架，利用边缘侧历史运行数据提取配电系统的运行规律和特征，提高弱通信环境下边缘集群对整体配电系统状态的感知能力；研究基于代理智能体的集群就地控制决策技术，通过智能体控制决策与配电网运行状态模拟的迭代交互实现策略优化，从而能够完成基于就地信息的自主决策；研究面向边缘计算的轻量化人工智能推理决策技术，支撑实现在边缘计算资源限制环境下的集群快速控制决策。

3）不完全量测下多源数据融合驱动的集群自适应控制技术。研究配电网关键量测配置方法，降低对精确、完备量测信息的依赖，支撑基于就地信息的集群自适应控制实现；研究不完全量测下的集群自适应运行控制方法，以实时量测信息作为控制策略的实施反馈，自主完成控制效果评价与优化，满足源荷强波动场景下的集群自适应控制需求；研究复杂集群的多源数据融合驱动运行控制方法，通过自适应预测控制建立时序数据驱动模型，实现不完全量测下复杂集群的高水平运行控制。

4 边-边协调运行技术

以边缘侧集群自治控制能力为基础，多个边缘计算装置之间可以相互交互边界信息，实现大规模运行优化问题分布式求解，避免海量数据汇集造成的通信压力，提高源荷波动下的决策效率。本章将重点围绕边-边多集群分布式协调运行中的关键技术问题和未来研究方向进行分析。

4.1 边-边协调运行技术研究进展

随着新的高性能设备引入与通信网络不断完善，边缘侧多集群协作运行模式成为提升配电系统灵活运行的重要手段，相关研究工作的进展主要体现在以下几方面。

1）在多集群的边-边自组织与自协调方面，目前主要有基于图论和启发式算法的多集群自组织建模两类。例如，文献［41］基于图理论提出一种了面向大规模多区域电力系统容量效益裕度评估方法，有效提升弱连接集群的计算准确性；文献［42］设计了一种基于图论的交直流配电系统分布式光伏台区控制策略，实现了光伏功率的跨区域互济消纳；文献［43］利用遗传算法对分布式能源控制集群进行划分，在此基础上实现了对配电网灵活性资源的日内分布式优化调度；文献［44］结合粒子群优化算法对微电网进行自组织优化，采用分布式架构实现各集群间的能量协同；文献［45］基于集群联邦学习分割训练数据，提升了分布式集群的灵活性与数据隐私性等。

2）在多集群边-边分布式优化控制方面，现有分布式控制算法主要分为拉格朗日乘子类协调优化算法以及最优条件分解类优化算法。文献［46］提出了完全分布式原始-对偶次梯度算法，实现分布式经济调度问题的求解；文献［47］提出了基于交替方向乘子法的分布式有功和无功功率控制策略，通过分解大规模强耦合优化问题，在不损失全局最优性的前提下实现并行求解；文献［21］提出了基于近似牛顿法的无功优化解耦算法，以非线性原对偶内点法为基础，在迭代计算过程中构造近似牛顿方向，以解决多区域电力系统的无功优化问题。另外，针对各集群求解规模不一致的问题，已有研究考虑边缘计算资源［48］和延时的限制［49］，初步探索了边缘计算集群上的负载均衡方法。

4.2 边-边协调运行技术关键问题和挑战

边缘侧集群的协同运行调控依赖于各集群自组织灵活划分与自适应多方协调。然而，多集群的异构性导致分布式控制与协调更加复杂。亟须可靠的集群协作与边-边分布式控制新方法。

首先，多集群间在电气层面相互连接，虽然各自内部控制策略相对独立，但其对整体配电系统运行的影响紧密耦合，必须对差异化的集群进行充分协调，以支撑系统全局的优化目标。但各集群构成要素、运行特性各不相同，时变性强，需要首先解决强不确定性场景下多集群的自组织与能量自趋优问题。集群内的运行控制需要充分考虑各种分布式能源的响应能力、各种控制手段的差异化控制特性、信息网络的覆盖面和连通性等因素，这给灵活、开放、兼容、多场景适用的边-边协同控制方法提出了需求和挑战。进一步，需要通过相邻集群之间信息交互灵活调整集群边界，并实现可控资源根据不同集群的运行需求进行灵活转移与集群的自组织。然而，缺乏有效的量化指标，无法准确刻画各集群对配电网整体运行的影响以及集群整体层面聚合而成的调控响应能力。

其次，需要解决基于有限、有序信息交互的多集群主体分布式业务协作问题。由于信息通信网络的限制，多集群间的通信连通性、信息交互频次和数据传输规模都将受到约束，这些因素导致了多集群之间的通信壁垒，限制了分布式优化策略的实施和集群互补潜力的释放。而在面向配电网多集群主体的分布式业务协作问题上，则需要在特定的通信条件约束下，考虑感知、控制、能量管理等不同的集群业务需求，把信息与数据作为集群之间可交换、可共享、具有价值属性的新型资源，把信息网络的时延、速率、带宽等作为分布式控制实现的附加影响因素，最终建立集群间的有限、有序信息交互模式，有效提高多集群间分布式优化控制水平。

4.3 边-边协调运行技术研究展望

针对边-边多集群分布式协调运行中的挑战性问题，需要重点在图6 所示的技术方向上取得突破。

图6 多集群边-边协调运行关键技术问题Fig.6 Key technical issues of edge-edge coordinated operation for multiple clusters

1）复杂不确定场景下的多集群主体自组织与协调优化控制技术:研究基于分布式架构的多集群自组织优化调控方法，考虑不同集群的运行特征和运行场景的变化；基于多集群的点对点协商完成集群间可控资源的协调分配，通过集群间特定信息交互、多集群控制策略迭代优化，实现大规模系统多集群控制策略的有效协调，共同协作达成系统全局运行目标；研究复杂不确定性场景下多集群分布鲁棒协调控制方法，通过各集群控制策略的调整来改变集群对外呈现的控制特性，在降低集群不确定性水平的同时释放多集群之间的协调互补潜力。

2）有限通信条件下异构多集群分布式交互与智能控制技术:研究异构集群运行特征互补分析与等值建模方法，利用集群间边界信息及相关历史数据，利用机理建模和数据拟合手段刻画相邻集群运行特性，为有限通信条件下的集群间协调控制提供模型支撑；研究基于深度学习智能体的多集群间优化控制方法，克服集群间通信与数据壁垒带来的模型和参数不准确问题，各智能体通过自身策略构建以及与其他智能体的协调策略推理，实现集群的快速功率调节和协调控制。

3）模型与数据融合驱动的多集群协作自适应控制技术:研究多源数据驱动的集群间多时间尺度协调控制方法，通过多源数据的融合充分释放数据价值，克服机理模型差异化和运行状态频繁波动带来的挑战，通过集群间离散、连续调控特性在多时间尺度上协调配合，实现集群出力控制的协同优化；研究数据-物理模型融合驱动的多集群协作自适应控制方法，通过量测数据反馈克服配电网准确参数难以获取的问题，提高对多集群运行状态和特征的感知与认知能力，实现场景变化下多集群自适应运行调控。

5 云-边协同运行技术

云-边协同运行技术旨在考虑不同集群的控制特性、配电网不同区域的资源分布等特征，从全局角度对各集群运行控制策略进行统一的优化协调，从而达成全局运行目标。本章将重点围绕云-边协同运行中的关键技术问题和未来研究方向进行分析。

5.1 云-边协同运行技术研究进展

配电网边缘侧分散资源混杂、运行态势多变，边缘侧自治策略冲突问题显著，需要对各边缘侧运行控制策略进行有效协调。云-边协同架构充分利用了数字配电网的集群化、分布式运行特征，可有效支撑复杂通信条件、有限计算能力下多边缘集群协同运行。例如，文献［50］提出一种计及不确定性影响的配电网云-边协同调度方法，有效缓解光伏不确定性出力对配电网造成的影响，提高配电网运行安全性与经济性；文献［51］提出一种基于云-边协同框架的配电网分布式能源控制方法，以云-边模型参数传递取代隐私数据传递，在考虑数据隐私保护的前提下实现了多边缘侧集群控制策略协调；文献［52］提出一种基于云-边协同架构的配电网分布式能源频率调节模型，有效减少系统的计算负载和有线通信需求，提升配电网功率调节能力。

信息和物理的耦合特征是数字配电网调控中的另一热点问题。例如，文献［53］提出了一种信息物理耦合电网的分布式能源优化配置方法，有效降低了分布式能源不确定性影响，提升电网供需匹配能力；文献［54］提出了面向信息物理耦合配电网的信息链路多层模型，实现对配电网网络故障影响的量化分析，有效解决配电网故障分析问题；文献［55］面向信息物理耦合配电系统，提出一种考虑电力/通信节点和线路双重结构耦合的电网脆弱性分析方法，有效提升了电力系统供电韧性。

5.2 云-边协同运行技术关键问题和挑战

首先，针对网络化的边缘计算装置，需要在云端解决各装置的业务协调部署和业务功能定义问题。边缘计算的价值不仅在于提高边缘侧的控制能力，还在于为配电网的业务部署提供了通用化的平台环境。标准化边缘计算装置能够灵活部署数据采集、运行感知、优化控制等多类型业务应用；不同边缘装置在信息上相互联通，在业务功能上能够相互协同［56］；边缘和云端的算力资源可通过计算任务卸载等方式相互支撑［57］。此时，需要在边缘侧有限计算资源约束下，面向不同场景需求完成业务功能在不同边缘装置上的协同部署，并在运行中充分协调计算任务在云-边及边-边之间的动态分配，实现最佳的业务功能和计算资源的最充分利用，满足海量复杂要素、强不确定性环境下的高水平集群控制应用需求。

其次，需要解决考虑边缘侧多主体数据隐私保护的云-边协同优化调控问题。边缘侧对集群的控制实现了海量可控资源的聚合利用，但考虑到集群内可控资源以及集群整体利益归属可能各有不同，在运行中存在隐私保护需求。此时，集群底层可控资源的信息往往无法全部在系统层面获知，集群之间的运行控制信息也不会向其他集群完全公开，整体配电系统的模型和参数也无法直接下放到集群本地，形成云-边-物多层级信息壁垒。而在集群控制架构下，无论是集群间的分布式协同控制，还是系统层面的云-边协同控制，都依赖更加开放共享的数据环境来提升运行控制水平。此时，既要保证多集群间的有效信息传递，又要避免隐私数据的公开或泄露，形成了复杂的多方隐私保护问题。

5.3 云-边协同运行技术研究展望

针对云-边协同运行中的挑战性问题，需要重点在图7 所示的技术方向上取得突破。

图7 配电网云-边协同运行关键技术问题Fig.7 Key technical issues for cloud-edge coordinated operation of distribution network

1）考虑时空转移特性和边缘计算资源有限性的集群控制任务优化调度技术。研究集群边缘计算资源虚拟化方法，根据集群控制的不同计算任务的需求特征，从运算、存储等不同环节对集群计算资源进行属性抽象和量化表达，为计算任务的协调分配提供模型基础；研究边缘计算有限资源约束下的集群控制计算任务优化调度方法，以任务时序逻辑为基础［58］，通过可延迟、可中断计算任务的优化组合，实现有限计算资源下的高效业务处理；研究考虑时间-空间转移特性的集群控制任务调度方法，在单一集群计算资源无法满足需求的情况下，通过边-边、云-边计算任务卸载，实现集群控制业务的时空转移和高效处理。

2）复杂多变场景下集群控制业务应用的动态优化部署技术。研究多类型业务功能优化部署架构，通过业务应用在不同集群的灵活配置，支撑系统层面运行感知和协同控制等全局功能的高品质实现；研究考虑数据保护与安全的集群控制业务快速更新方法，通过云端完成的控制功能、策略与参数的灵活调整，支撑云-边协同优化调控的实现；研究差异化边缘计算业务的协同交互方法，动态协调业务功能在不同集群之间的部署分配，实现集群计算与通信资源的最大化利用。

3）考虑数据隐私保护的大规模配电系统多层级协同优化调控技术。研究考虑网络参数隐私保护的配电网物理特性模拟方法，利用历史运行数据和人工智能方法相结合，通过神经网络模拟完整配电系统的运行特征；基于联邦学习、多方安全计算等技术，研究覆盖云端、边缘、终端等多维度的协同调控方法，以多层级、多主体之间的黑箱模型传递代替传统的运行状态与参数传递，实现协同控制中的多方隐私保护；研究考虑用户行为隐私保护的配电系统多手段协同控制方法，采用代理子模型模拟用户行为特征，并通过与电网模型的交替迭代模拟出多元要素的耦合交互影响，支撑完整云-边协同控制策略的实现。

6 结语

边缘计算技术是当前先进信息技术的典型代表，也是配电网数字化转型中重要的支撑性技术，在海量数据的发掘利用、分散资源的统筹调控、源荷波动下的快速响应等方面具有重要意义。未来，边缘计算装置将是配电网中多类型业务的通用性部署平台，需要具备监测、保护、控制、计量等多类型业务的融合部署与协同运行能力，能够显著降低部署成本和运维工作量。以广泛部署的边缘计算装置为依托，数字配电网将具有集群化、分布式和灵活定义等新的运行特征，形成边缘自治、边-边协调、云-边协同等多种典型的运行控制模式，这些方向还存在着众多技术问题有待突破，相关研究亟待开展。在未来，随着边缘计算技术与装备的进一步发展和广泛应用，将形成边缘“测-算-控”一体化平台装置，能够为数字配电网海量数据利用、全景运行分析、智能控制决策等功能实现提供更加完备的部署平台，提升数字配电网效率、可靠性和可持续性，支撑构建电网应用生态圈，对配电网数字化转型技术成果的推广和技术价值的释放具有重要意义。